【参考链接】http://127.0.0.1:10033/library/scater/doc/overview. https://bioconductor.o
20210829修改 之前是根据官网+别人帖子写的总结，自己做了一段时间，把之前的再完善一下尝试使用seurat包进行两组间差异分析 使用的是seurat包自带的数据创建seurat对象#首先载入需要的包
library(Seurat)
#安装seurat-data包
install.packages('devtools')
library("devtools")
devtools::insta
转载
2024-01-15 21:39:55
203阅读
**简介**单细胞测序：单细胞测序从宏观来讲是指在单个细胞水平上进行测序。 单细胞转录组测序是指对于单个细胞水平上将mRNA反转录扩增后进行高通量测序的技术。单细胞测序通过在单个细胞水平上进行测序，解决了用组织样本无法获得不同细胞间的异质性信息或样本量太少无法进行常规测序的难题，为科学家研究单个细胞的行为、机制等提供了新的方向。`` 单细胞测序基本步骤：对所选择的单细胞进行分离→扩增→进行高通量测
转载
2023-10-23 09:40:09
233阅读
一、构建hvg并查看是否有MT/ERCC基因混杂情况hvg基因为高变化基因，即在各个样本中，表达量差异最为明显的基因。#highly Variable gene:简单理解sd大的
scRNA <- FindVariableFeatures(scRNA, selection.method = "vst", nfeatures = 1500)
#根据文献原图，挑选变化最大的1500个h
转载
2024-04-26 11:27:16
99阅读
系列文章目录单细胞测序流程（一）简介与数据下载单细胞测序流程（二）数据整理单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图单细胞测序流程（四）主成分分析——PCA单细胞测序流程（五）t-sne聚类分析和寻找marker基因单细胞测序流程（六）单细胞的细胞类型的注释 本期主讲内容——单细胞的细胞类型轨迹分析可以看到细胞的分化从哪里开始，从哪里终止，会分化出
转载
2024-05-29 08:54:29
669阅读
本期主讲内容——单细胞的细胞类型的注释课前了解：GO：是一个数据库，旨在建立一个适用于各种物种的，对基因和蛋白质功能进行限定和描述的，并能随着研究不断深入而更新的语义词汇标准。GO 提供了一系列的语义用于描述基因功能，以及这些概念之间的关系。这些语义分为三种不同的种类：细胞学组件（CC），用于描述亚细胞结构、位置和大分子复合物，如核仁、端粒和识别起始的复合物等；分子功能（MF），用于描
转载
2024-09-23 15:41:05
285阅读
# Python分析单细胞测序数据
随着生物技术的进步，单细胞测序（Single Cell Sequencing）逐渐成为生物医学研究中的一个重要工具。它能够揭示组织中不同细胞类型的基因表达情况，从而为我们探索疾病机制、细胞发育以及相互作用提供了新的窗口。本文将介绍如何使用Python分析单细胞测序数据，包括数据导入、处理、可视化及分析的示例。
## 单细胞测序数据简介
单细胞测序数据通常来
一.读入10x数据并创建seurat对象#pbmc为外周血单个核细胞
library(Seurat)
pbmc.data <- Read10X(data.dir="E:/GSE152982_RAW/hg19")
pbmc <- CreateSeuratObject(counts=pbmc.data,project = "pbmc5k",min.cells = 3,min.feature
转载
2024-01-14 19:28:14
138阅读
**数据整理** 准备数据：之前所下载的样本数据 将之前所下载的样本数据进行解压，使用excel将文件打开 发现所下载样本有两种情况，一，有基因名，二，无基因名，只有基因id一，有基因名1.使用excel将文件打开所下载的样本发现第一行为样品名，第一列为基因名，需要滑到最后将注释信息删掉。 2.将excel滑到顶端，发现样品名和基因名重叠了，需要将样品名全部向后移动一位，并将第一行第一列的位置命名
转载
2024-01-17 10:44:45
335阅读
◆ 单细胞测序的概念 ◆ 上节我们讲到转录组测序相关内容，这期将继续学习单细胞转录组测序。单细胞测序技术(single cell sequencing)，简单来说，就是在单个细胞水平上，对基因组、转录组及表观基因组进行测序分析的技术（图1）。图1.单细胞测序技术◆ 为什么做单细胞转录组测序？ &nbs
转载
2024-01-17 14:08:18
658阅读
在单细胞测序分析的领域，我们面临着如何高效处理和分析复杂数据的挑战。随着测序技术的飞速发展，数据量的增加和分析复杂度的提升，使得我们迫切需要一套可靠的Python代码来解决这一问题。本文将详细讲述我的分析过程，包括关键决策和架构设计，性能优化以及故障复盘等方面的心得，希望能对从事这一领域的同仁们提供一些借鉴。
## 初始技术痛点
在开始之前，我们需要明确单细胞测序分析所面临的主要问题。我们经常
Abstract单细胞RNA-seq使研究者能够以前所未有的分辨率研究基因表达图谱。这一潜力吸引着更多科研工作者应用单细胞分析技术解决研究问题。随着可用的分析工具越来越多，如何组合成一个最新最好的数据分析流程也越来越难。我们详细阐述了一个典型的单细胞转录组分析各个步骤的细节和注意事项，包括预处理（质控、标准化、数据校正、特征选择、降维）和细胞/基因水平的下游分析等。基于独立的比较研究，我们为每一步
转载
2024-01-16 21:38:55
120阅读
本文介绍由美国生物科技公司Calico Life Sciences的Han Yuan 和 David R. Kelley共同通讯发表在 Nature methods 的研究成果：单细胞ATAC-seq（scATAC）在研究表观遗传景观中的细胞异质性方面具有巨大前景，但由于数据高维性和稀疏性的特点，scATAC的分析仍然面临重大挑战。为此，作者提出了一种基于DNA序列的卷积神经网络方法(scBass
单端测序(Single-read)与双端测序(Paired-End)一图看区别： 总的来讲就是单端测序只从一侧读，而双端测序是两头同时读然后拼接单端测序(Single-read)Single-Read测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读
之前听师兄在组会上介绍了scvi，恰巧最近在用scvi做一些分析，感觉这个方法很精巧效果也不错，因此研究了一下原始论文，这里简要介绍一下这个单细胞数据分析工具的新星。scvi是Nature Methods在2018年12月发表的一个单细胞RNA测序(scRNA-seq)数据的集成分析平台，预印版文章在2018年3月就已经在bioRxiv上线。scvi是一个快速的多功能方法，整合了来自机器学习、统计
什么是单细胞测序单细胞RNA-Seq提供成千上万个单个细胞的 transcriptional profiling。这种水平的通量分析使研究人员能够在单细胞水平上了解哪些基因表达，多少数量以及异质样品中成千上万个细胞之间的差异。目前，测序可以回答以下6类问题：DNA的序列：ATCG怎么排列，以及各序列的丰度；DNA的表观遗传修饰：比如甲基化、羟甲基化，以及组蛋白的各种修饰；RNA的序列：AUCG怎么
转载
2024-01-22 11:54:17
144阅读
单细胞测序基础知识一、单细胞测序学习scRNA-seq先了解一下Bulk RNA-seqBulk RNA-seq：测量一个大的细胞群体中每一个基因的平均表达水平，对比较转录组学（例如比较 不同物种的相同组织） 是有帮助的，但对于研究异质性系统（例如，复杂的组织如脑）还是不够的，对于基因表达的本质研究不够深入。scRNA-seq：2009年由Tang首创，随着测序技术的发展及测序成本的的下降，201
单细胞测序技术是指在单个细胞水平上对转录组或基因组进行扩增并测序，以检测单细胞在基因组（结构变
原创
2023-10-31 14:48:53
341阅读
单细胞测序的临床应用体外受精的胚胎测序：在把胚胎植回母体之前，先取一个细胞进行测序，确认基因正常后再植
原创
2023-10-31 14:49:08
37阅读
单细胞测序的挑战 与传统的“bulk” RNA-seq不同，单细胞RNA-seq的主要区别在于一个测序文库代表一个细胞，而不是大量的细胞
原创
2023-10-31 14:50:11
122阅读
